経験者シバタ アキラ
経験: 7年
DataRobot Japan株式会社
前提が間違っていたとき
データ分析は複雑なステップを順番に踏んで行く必要があります。例えば複数のデータを組み合わせる、その後にデータのクリーニングを行う、その後にビジュアライズして仮説を立てる、それを元にモデルを作る、それを元に予測を行う、などです。最終的にはより正しい結果が求められるのはもちろんですが、各ステップで正しいことをやっていないとあとになって大きな手戻りが発生してしまうということもあります。機械学習で予測モデルを作るステップまで到達することができた...
けれども、実はそもそも対象としていたデータには思わぬ偏りがある（例えばなぜか部分的なデータしかなかった）ということにあとから気づく事があるとそれまでに時間をかけてやってきた分析が全部始めからやり直しになる、何ていうことも起こってしまいます。それが研究発表の前日だったり、お客さんに結果を見せないといけない数時間前だったり、そんな経験もたくさんしてきました。自分の分析結果を人に見せる上では、その答えが間違っていることは自分のプロフェッショナルとしての信用に関わりますので、そのようなことがなかったか細部まで気を利かせて注意しないといけないということになります。最近ではそのような間違いを起こしにくくするような優れた分析ツールがたくさん出てきていますが、データ分析・活用においては丁寧さがとても重要だと思います。
